Water heating system Dasar kendali cerdas.

Slides:



Advertisements
Presentasi serupa
Teori Graf.
Advertisements

Fuzzy Logic dengan Menggunakan MATLAB
Sistem kontrol penyiram air
<Artificial intelligence>
Fuzzy logic.
Uji Non Parametrik Dua Sampel Independen
Perancangan Alat Proses “ Boiler “
SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2011
Bahan Kuliah IF4058 Topik Khusus IF
Mengatasi Ketidakpastian (Uncertainty)
Logika Fuzzy.
Sistem Inferensi Fuzzy
FUZZY.
Logika Fuzzy.
Konduksi Tunak Satu Dimensi (lanjutan) Dimas Firmanda Al Riza (DFA)
PROBLEM TABLE.
FUZZY INFERENCE SYSTEMS
Jurusan Teknik Informatika Samuel Wibisono
FUZZY INFERENCE SYSTEMS
LOGIKA FUZZY Kelompok Rhio Bagus P Ishak Yusuf
Logika Fuzzy.
Sistem Pakar Dr. Kusrini, M.Kom
LOGIKA FUZZY PERTEMUAN 3.
Penalaran Mamdani dan Tsukamoto Pada pendekatan Fuzzy Inference System
DIAGRAM GRID 1 20  C 135  C 60  C 140  C 150  C 170  C 80  C 30  C CP (kW/  C) 3,0 1,5 4,0 2,0.
Jurusan Teknik Gas dan Petrokimia FTUI
ARTIFICIAL INTELLIGENCE 6 Fuzzy Logic
CONTOH PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno
FUZZY LOGIC LANJUTAN.
Pertemuan 22 FUZZIFIKASI DAN DEFUZZIFIKASI
Kuliah Sistem Fuzzy Pertemuan 5 “Sistem Inferensi Fuzzy”
Membangun DSS & KNN Dengan Fuzzy Inference System (FIS) Mamdani
Logika Fuzzy.
Karnaugh Map.
KECERDASAN BUATAN LOGIKA FUZZY (Fuzzy Logic) Edy Mulyanto.
LOGIKA FUZZY (Lanjutan)
FUZZY INFERENCE SYSTEMS
Logika Fuzzy Lanjut.
BEBERAPA APLIKASI PROSES KENDALI
FUZZY INFERENCE SYSTEMS
Model Fuzzy Mamdani.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Logika Fuzzy.
FUZZY INFERENCE SYSTEM (FIS) - MAMDANI
Sistem Inferensi Fuzzy
REASONING FUZZY SYSTEMS.
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS)
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
SISTEM FUZZY.
DASAR FUZZY.
Penggunaan Toolbox Matlab menyelesaikan kasus sistem uzzy
Perhitungan Membership
METODE FIS Pertemuan Ke-5.
Pertemuan 11 FUZZY INFERENCE SYSTEM (FIS)
Sistem Inferensi Fuzzy
Operasi Himpunan Fuzzy
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Contoh Penerapan Fuzzy System 1
Sistem Pakar teknik elektro fti unissula
FUZZY INFERENCE SYSTEM (FIS) - TSUKAMOTO
Logika Fuzzy Lanjut.
METODE FIS Pertemuan Ke-5.
Example 13.8 Tentukan keluaran tegangan untuk sistem kontrol motor DC dari data berikut dan berikan set Rule nya. Rules Jika kecepatan LOW, maka tegangan.
CCM110 Matematika Diskrit Pertemuan-11, Fuzzy Inference System
Logika Fuzzy (Fuzzy Inference System)
Fuzzy Expert Systems.
Operator Himpunan Fuzzy
DASAR FUZZY.
Kelistrikan Kulkas (Refrigerator Electrical). Kali ini kita akan membahas tentang cara kerja rangkaian kelistrikan pada sebuah refrigerator dengan kontrol.
Transcript presentasi:

Water heating system Dasar kendali cerdas

Diskripsi sistem pemanasan air Sistem Pemanas air dengan sebuah heatknob(kran) untuk mengontrol sirkulasi uap melalui radiator Setting paling tinggi heatknob, Mengindikasikan supply uap mati dengan nilai ‘0’. Dan nilai ’10’ mengindikasikan maksimum supply uap. Variasi temperatur terukur melalui senssor bervariasi antara 00C sampai 1250C . Sensor level menunjukkan ketinggian level air dalam tank dengan variasi 0 (kosong) sampai 10(penuh). Diasumsikan kontrol otomasis mengatur aliran air dingin masuk kedalam tank dari supply utama air , ketika level tank dibawah 4, kontrol aliran air ON, dan ketika level air dalam tank diatas 9,5. kontrol aliran air off

Desain sistem Langkah desain 1. definisikan input dan output untuk FLC Variabel input : sensor temperatur dan sensor level X : temperatur air → X=[ 00C , 1250C] Y: level air → Y=[ 0,10] Variabel output: heatKnob Z: setting HeatKnob→ Z=[ 0,10] 2. definisikan nilai linguistik untuk maing-masing variabel Temperatur : Xsmall (XS), small(S), medium(M), large(L), Xlarge(XL) Level : Xsmall (XS), small(S), medium(M), large(L), Xlarge(XL) Heatknob: VerryLittle, Alittle, AgoodAmount, lot, AWholelot)

3. berikan nilai MF untuk variabel fuzzy No. Range input (temperatur) Variabel Fuzzy 1 0 - 20 XSmall 2 10 -35 Small 3 30 – 75 Medium 4 60 – 95 Large 5 85 -125 Xlarge No. Range input (Level ) Variabel Fuzzy 1 0 - 2 XSmall 2 1,5 - 4 Small 3 3 – 7 Medium 4 6 – 8,5 Large 5 7,5 -10 Xlarge No. Range output (heatknop) Variabel Fuzzy 1 0 - 2 VerryLittle 2 1,5 - 4 Alittle 3 3 – 7 AgoodAmount 4 6 – 8,5 Alot 5 7,5 -10 AwholeLot

Tentukan rules S M L XL Rule matrik ditentukan dari: 1. Ketika temperatur ‘low’ set Heatknop ‘higher’ dari ketika temperatur ‘high’ 2. ketika volume air ‘low’ , heatknop tidak perlu diset setinggi ‘high’ , ketika air ‘high’ temperatur XS S M L XL Level AgoodAmount Aliitle VerryLittle Alot AwholeLot

Dari tabel diperoleh rules

Untuk proses fuzzifikasi , misal : diinginkan level air =6 Untuk proses fuzzifikasi , misal : diinginkan level air =6.5 dan temperatur 650C Diperoleh input temperatur : µM(65) =0,45. dan µL(65) =0,28 Diperoleh input Level air : µM(6,5) =0,25. dan µL(65) =0,38

dapat ditentukan rule sbb: Dari nilai MF yang ditentukan sebelumnya :diperoleh empat data fuzzy input sbb : µM(65) =0,45. dan µL(65) =0,28 µM(6,5) =0,25. dan µL(65) =0,38 Gunakan aturan conjunction(Λ) dengan memilih derajat keanggotaan minimum: 1. µtemperaturxlevel = min (0,45,0,25) = 0,25 2. µtemperaturxlevel = min (0,28,0,25) = 0,25 3. µtemperaturxlevel = min (0,45,0,38) = 0,38 4. µtemperaturxlevel = min (0,28, 0,38) = 0,28 dapat ditentukan rule sbb: 1. Temperatur is Medium(0,45) and Level is medium(0,25) then set heatknob is AgoodAmount (0,25) 2. Temperatur is Large(0,28) and Level is Medium(0,25) then set heatknob is verryliitle(0,25) 3. Temperatur is Medium(0,45) and Level is large(0,38) then set heatknob is Alot(0,38) 4. Temperatur is Large(0,28) and Level is Large(0,38) then set heatknob is Aliitle(0.28)

Proses inferensi menggunakan model mamdani 0,25 0,25

0,38 0,28

Untuk proses defuzzyfication digunakan centroid method Untuk temperatur 650C dan level air = 6,5 dibutuhkan pembukaan heatknob sebesar 4,46

Surface